《表2 传统人工地物检测算法评价结果Tab.2 Quality assessments of traditional man-made object extraction approaches》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《变分法遥感影像人工地物自动检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由图4可以看出，本文算法可以较为完整地提取出建筑物、道路等人工地物，由于加入了超像素优化项，零碎的噪声点和大片人工地物中间的孔洞现象也较其他两种方法大为减少，人工地物的边缘也较为平滑和明显，对于多样的人工地物类型，都能较为准确地提取其轮廓。而由于没有先验知识，C-V模型随机初始化，对于纹理复杂的遥感影像，得到的分割结果较为零碎，且由于C-V模型完全基于前景与背景的灰度差异性，以及前景与背景内部的灰度均一性，对于人工地物与背景灰度相似的影像，分割结果完全错误，表明C-V模型对演化曲线初始位置敏感、不适用于纹理复杂的遥感影像目标提取。基于马尔可夫随机场的分割算法虽然能较为完整地提取人工地物部分，但由于遥感影像纹理复杂，容易产生较多的噪声点，虚警率较高，而且由于没有超像素优化项，分割结果较为零碎，人工地物内部的空洞现象也较为明显。同样采取精确度、虚警率及漏检率3种指标评价3种算法的检测精度，结果如表2所示。